基于有向距离的图像清晰度筛选方法及系统技术方案

本发明专利技术属于数字图像处理技术领域，具体公开了一种基于有向距离的图像清晰度筛选方法及系统，该方法通过待筛选的原始图像，获取待筛选图像的灰度矩阵，计算原始图像各像素点的八邻域有向距离之和的和矩阵，计算原始图像各像素点的八邻域有向距离之和的权重矩阵，将原始图像各像素点的八邻域有向距离之和矩阵与权重矩阵相乘，得到清晰度矩阵，计算清晰度矩阵中数值的标准差作为图像清晰度筛选指标，判断图像清晰度筛选指标是否在筛选条件内，若满足筛选条件，则标记图像完成图像筛选；若不满足条件，则删除图像，对下一张图像进行清晰度筛选。采用本技术方案，利用有向距离和矩阵和权重矩阵，对无人机巡检拍摄的图片快速有效的筛选。筛选。筛选。

【技术实现步骤摘要】
基于有向距离的图像清晰度筛选方法及系统


[0001]本专利技术属于数字图像处理
，涉及一种基于有向距离的图像清晰度筛选方法及系统。

技术介绍

[0002]电力巡线是无人机在工业领域应用的成功典范，无人机巡检得到的图片能够辅助工作人员提前发现输电线路的缺陷和破损，及时避免输电线路的故障，保障电力系统的平稳运行。由于无人机在空中快速飞行，拍摄的无人机图片往往会伴随着运动模糊的问题，同时受季节和天气情况的影响，图像会出现不同程度的模糊，模糊的图像无法辨别输电线路和相关设备的缺陷和破损。因此，筛选出清晰度良好的图像在无人机巡线领域具有重要意义。
[0003]现有的图像清晰度筛选方法可以分为主观和客观两种类型，第一类是主观评价方法，通过观察者对图像的打分进行归一化作为图像评价的依据；第二类是客观评价，客观评价以人主观的视觉系统建立数学模型，通过具体的公式对图像清晰度进行定量的评价。主观评价受观察者自身知识储备、观测环境等因素的影响，当需评价图像数量较多时，主观评价方法耗时耗力且难以实现对图像清晰度实时评价。因此近年来，人们力求一种合适的客观图像清晰度评价方法，通过具体的量化指标代替主观人眼的感受对图像清晰度进行快速评价。

技术实现思路

[0004]本专利技术的目的在于提供一种基于有向距离的图像清晰度筛选方法及系统，对无人机巡检拍摄的图片快速有效的筛选。
[0005]为了达到上述目的，本专利技术的基础方案为：一种基于有向距离的图像清晰度筛选方法，包括如下步骤：
[0006]输入待筛选的原始图像，获取待筛选图像的灰度矩阵；
[0007]根据灰度矩阵，计算原始图像各像素点的八邻域有向距离之和的和矩阵；
[0008]计算原始图像各像素点的八邻域有向距离之和的权重矩阵；
[0009]计算原始图像各像素点的八邻域有向距离之和矩阵与权重矩阵的乘积，得到清晰度矩阵；
[0010]计算清晰度矩阵中数值的标准差，并将其作为图像清晰度筛选指标；
[0011]判断图像清晰度筛选指标是否在筛选条件内，若满足筛选条件，则标记图像完成图像筛选；若不满足条件，则删除图像，对下一张图像进行清晰度筛选。
[0012]本基础方案的工作原理和有益效果在于：将有向距离和矩阵和权重矩阵二者应用到图像筛选过程，无需人工参与，自动完成更客观快速的图像清晰度评价，帮助用户从大量无人机拍摄的图像数据集中筛选出符合要求的图片。
[0013]进一步，计算原始图像各像素点的八邻域有向距离之和矩阵的方法如下：
[0014]根据灰度矩阵，计算原始图像的一阶导数矩阵和二阶导数矩阵；
[0015]根据一阶导数矩阵和二阶导数矩阵，计算图像的有向距离矩阵；
[0016]根据图像的有向距离矩阵，计算原始图像各像素点的八邻域有向距离之和的和矩阵。
[0017]操作简单，利于使用。
[0018]进一步，计算原始图像各像素点的八邻域有向距离之和矩阵的公式为：
[0019][0020]其中，x0表示像素点的横坐标，y0表示像素点的纵坐标，f
OD
(x0,y0)表示当前图像第x0行第y0列的有向距离和，k表示像素点(x0，y0)八邻域像素点的编号，i控制像素点的横坐标，j控制像素点的纵坐标；
[0021]OD((x0,y0),(x
k
,y
k
))为点(x0,y0)至(x
k
,y
k
)的有向距离,L(x0,y0)为当前图像第x0行第y0列的有向距离和的水平方向因子，N(x0,y0)为当前图像第x0行第y0列的有向距离和的垂直方向因子。
[0022]运算简单，获取相应矩阵，便于后续使用。
[0023]进一步，所述有向距离为：
[0024][0025]其中，OD表示有向距离，Δx表示横坐标之间的距离差，Δy表示纵坐标之间的距离差，L(x,y),M(x,y),N(x,y)计算公式：
[0026][0027][0028][0029]其中，z
y
(x,y),z
x
(x,y),z
xx
(x,y),z
xy
(x,y),z
yy
(x,y),分别表示表示光滑图像曲面及曲面上的点(x,y)的一阶与二阶导数，L(x，y)表示当前图像第x行第y列的有向距离和的水平方向因子,N(x，y)表示当前图像第x行第y列的有向距离和的垂直方向因子，M(x，y)表示当前图像第x行第y列的有向距离和的联合方向因子。
[0030]提出有向距离，便于后续计算。
[0031]进一步，原始图像各像素点的八邻域有向距离之和的权重矩阵的计算方法为：
[0032]w(x
i
,y
j
)＝exp(η(x
i
,y
i
))
[0033]其中w(x
i
,y
j
)为第x
i
行第y
i
列的权重，η(x
i
,y
i
)表示第x
i
行第y
i
列有向距离归一化后的值；
[0034]η(x
i
,y
i
)计算公式为：
[0035][0036]其中f
OD
(x
i
,y
j
)表示当前图像第x
i
行第y
j
列的有向距离之和，min(f
OD
(x,y))表示有向距离和矩阵的最小值，max(f
OD
(x,y))表示有向距离和矩阵的最大值。
[0037]运算简单，利于使用。
[0038]进一步，清晰度矩阵的计算方法为：
[0039]Q(x,y)＝f
OD
(x,y)
×
w(x,y)
[0040]其中f
OD
(x,y)表示有向距离之和的矩阵，w(x,y)表示有向距离和权重矩阵，Q(x,y)表示清晰度矩阵，
×
为矩阵相乘。
[0041]利用有向距离和矩阵和权重矩阵，计算清晰度矩阵，运算简单，利于使用。
[0042]进一步，所述清晰度矩阵中数值的标准差的计算公式为：
[0043][0044]其中，avg为图像清晰度矩阵数值的均值，Q表示清晰度矩阵的标准差，标准差越大则图像越清晰，反之越模糊。
[0045]获取标准差，利用标准差判断图像清晰程度，便于操作使用。
[0046]本专利技术还提供一种基于有向距离的图像清晰度筛选系统，包括图像采集模块和处理模块，所述图像采集模块用于采集原始图像，图像采集模块的输出端与处理模块的输入端连接，所述处理模块执行本专利技术所述方法，进行图像清晰度筛选。
[0047]利用该系统，无需人工参与，自动完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于有向距离的图像清晰度筛选方法，其特征在于，包括如下步骤：输入待筛选的原始图像，获取待筛选图像的灰度矩阵；根据灰度矩阵，计算原始图像各像素点的八邻域有向距离之和的和矩阵；计算原始图像各像素点的八邻域有向距离之和的权重矩阵；计算原始图像各像素点的八邻域有向距离之和矩阵与权重矩阵的乘积，得到清晰度矩阵；计算清晰度矩阵中数值的标准差，并将其作为图像清晰度筛选指标；判断图像清晰度筛选指标是否在筛选条件内，若满足筛选条件，则标记图像完成图像筛选；若不满足条件，则删除图像，对下一张图像进行清晰度筛选。2.如权利要求1所述的基于有向距离的图像清晰度筛选方法，其特征在于，计算原始图像各像素点的八邻域有向距离之和矩阵的方法如下：根据灰度矩阵，计算原始图像的一阶导数矩阵和二阶导数矩阵；根据一阶导数矩阵和二阶导数矩阵，计算图像的有向距离矩阵；根据图像的有向距离矩阵，计算原始图像各像素点的八邻域有向距离之和的和矩阵。3.如权利要求1或2所述的基于有向距离的图像清晰度筛选方法，其特征在于，计算原始图像各像素点的八邻域有向距离之和矩阵的公式为：其中，x0表示像素点的横坐标，y0表示像素点的纵坐标，f
OD
(x0,y0)表示当前图像第x0行第y0列的有向距离和，k表示像素点(x0，y0)八邻域像素点的编号，i控制像素点的横坐标，j控制像素点的纵坐标；OD((x0,y0),(x
k
,y
k
))为点(x0,y0)至(x
k
,y
k
)的有向距离,L(x0,y0)为当前图像第x0行第y0列的有向距离和的水平方向因子，N(x0,y0)为当前图像第x0行第y0列的有向距离和的垂直方向因子。4.如权利要求3所述的基于有向距离的图像清晰度筛选方法，其特征在于，所述有向距离为：其中，OD表示有向距离，Δx表示横坐标之间的距离差，Δy表示纵坐标之间的距离差，L(x,y),M(x,y),N(x,y)计算公式：
其中，z
y
(x,y),z
x
(x,y),z
xx
(x,y),z
xy
(x,y),z
yy
(x,y),分别表示表示光滑图像曲面及曲面上的点(x,y)的一阶与二阶导数，L(x，y)表示当前图像第x行第y列...

【专利技术属性】
技术研发人员：房斌，聂天宇，周明亮，胥斌，陈咏涛，钱基业，程晓，陈涛，周庆，吴琛，李汶江，刘军，周双勇，程昆，文承家，
申请(专利权)人：国网重庆市电力公司电力科学研究院国网重庆市电力公司检修分公司，
类型：发明
国别省市：